إطار عمل PyTorch لمهام التعلم العميق على السحاب النقاطية ثلاثية الأبعاد مثل التجزيء والتصنيف والتسجيل.
قم بناء وتدريب وتقييم الشبكات العصبية للسحاب النقاطية باستخدام PyTorch Geometric و Facebook Hydra.
torch-points3d هو إطار عمل Python مفتوح المصدر مصمم لتشغيل بنى الشبكات العصبية المتقدمة على مجموعات بيانات السحاب النقاطية ثلاثية الأبعاد. يجمع بين PyTorch Geometric و Facebook Hydra لمساعدة الفرق التقنية في تدريب نماذج لاكتشاف الكائنات ثلاثية الأبعاد والتجزيء والتسجيل. يجب عليك استخدامه إذا كنت بحاجة إلى هيكل شيفرة وحدوي للتحليل المكاني ثلاثي الأبعاد.
يوحد إطار العمل نماذج التعلم العميق ثلاثية الأبعاد الشائعة - بما في ذلك PointNet++ و KPConv و RandLA-Net و MinkowskiEngine - في قاعدة شيفرة وحدوية واحدة. يقوم بتنظيم مجموعات البيانات والبنى حسب مهام ثلاثية الأبعاد محددة مثل التجزيء الشامل والتصنيف واكتشاف الكائنات والتسجيل. يمكنك تشغيل خطوط أنابيب التدريب أو التقييم باستخدام الدعم المتكامل لمجموعات بيانات المعايير مثل ScanNet و S3DIS و ShapeNet.
تناسب هذه الأداة مهندسي تعلم الآلة وباحثي الرؤية ثلاثية الأبعاد الذين يقومون بتحليل بيانات مسح LiDAR أو القياس التصويري السياقات الهندسية والمعمارية. وهي غير مصممة للمستخدمين غير التقنيين أو أولئك الذين يبحثون عن تطبيق نمذجة ثلاثية الأبعاد رسومي. ستجد الفرق التي تفتقر إلى أجهزة GPU مخصصة وخبرة تطوير Python صعوبة في الإعداد.
تنظيم النماذج ومحملات مجموعات البيانات في مجلدات فرعية نظيفة للتجزيء والتصنيف والتسجيل واكتشاف الكائنات والمهام الشاملة.
تنفيذ البنى ثلاثية الأبعاد الراسخة بما في ذلك PointNet و PointNet++ و KPConv و RandLA-Net و RSConv و MinkowskiEngine.
استخدام Facebook Hydra لإدارة تكويناتی التجارب ومعلمات مجموعات البيانات ومعلمات النموذج الفائقة بشكل قابل للتكرار.
يتضمن معالجة مجموعات البيانات المدمجة لمعايير ثلاثية الأبعاد القياسية مثل ScanNet و S3DIS و ShapeNet.
torch-points3d مجاني للتنزيل والاستخدام مباشرة من GitHub. لا توجد مستويات مدعومة ومستضافة تجارياً مقدمة من الصيانة، لذا ستكون تكلفتك الرئيسية هي البنية التحتية لحوسبة GPU اللازمة للتدريب.
877 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٦ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
يدعم التجزيء الدلالي ثلاثي الأبعاد والتصنيف وتجزيء الأجزاء واكتشاف الكائنات ثلاثية الأبعاد والتجزيء الشامل وتسجيل السحاب النقاطية.
يتضمن إطار العمل وحدات مجموعات البيانات لـ ScanNet و S3DIS (في تنسيقات فرعية متعددة) و ShapeNet.
نعم، أجهزة GPU مع CUDA 10 أو أعلى مطلوبة لتدريب النماذج الفعالة وعمليات الالتفاف المتناثرة.
شاهد Zekai أولاً في جوجل